目的基于增强MRI影像组学特征预测胰腺癌T分期的诊断效能。方法选取行腹部MRI增强检查的79例胰腺癌患者,36例T1、T2期患者为早期组,43例T3、T4期患者为进展期组。应用飞利浦后处理平台IntelliSpace Discovery(ISD)在患者增强T1WI的轴位...目的基于增强MRI影像组学特征预测胰腺癌T分期的诊断效能。方法选取行腹部MRI增强检查的79例胰腺癌患者,36例T1、T2期患者为早期组,43例T3、T4期患者为进展期组。应用飞利浦后处理平台IntelliSpace Discovery(ISD)在患者增强T1WI的轴位图像上勾画胰腺肿瘤范围,得到该病灶的所有影像组学特征。应用FeAture Explorer 0.5.4将患者以73随机分配为训练集(55例)和测试集(24例)。采用皮尔逊相关系数(PCC)初步筛选特征;应用递归特征消除法(RFE)和单因素方差分析(ANOVA)进一步优化影像组学特征,获得与T分期高度相关的特征数据;基于支持向量机(SVM)、线性判别分析(LDA)、逻辑回归(LR)3种分类器构建区分早期和进展期胰腺癌模型;比较上述模型在交叉验证集中的曲线下面积(AUC),从而得到术前预测胰腺癌T分期的最佳模型。结果基于PCC和ANOVA降维优化后的影像组学特征构建的SVM分类模型预测性能最佳,该模型在训练集中的AUC为0.915(95%CI,0.835~0.994),准确度、灵敏度和特异度分别为0.873、0.833和0.920;在测试集中的AUC为0.944(95%CI,0.844~1.000),准确度、灵敏度和特异度分别为0.917、0.846和1.000。结论基于增强MRI图像构建的影像组学模型对胰腺癌术前T分期具有良好的诊断效能。展开更多
文摘目的基于增强MRI影像组学特征预测胰腺癌T分期的诊断效能。方法选取行腹部MRI增强检查的79例胰腺癌患者,36例T1、T2期患者为早期组,43例T3、T4期患者为进展期组。应用飞利浦后处理平台IntelliSpace Discovery(ISD)在患者增强T1WI的轴位图像上勾画胰腺肿瘤范围,得到该病灶的所有影像组学特征。应用FeAture Explorer 0.5.4将患者以73随机分配为训练集(55例)和测试集(24例)。采用皮尔逊相关系数(PCC)初步筛选特征;应用递归特征消除法(RFE)和单因素方差分析(ANOVA)进一步优化影像组学特征,获得与T分期高度相关的特征数据;基于支持向量机(SVM)、线性判别分析(LDA)、逻辑回归(LR)3种分类器构建区分早期和进展期胰腺癌模型;比较上述模型在交叉验证集中的曲线下面积(AUC),从而得到术前预测胰腺癌T分期的最佳模型。结果基于PCC和ANOVA降维优化后的影像组学特征构建的SVM分类模型预测性能最佳,该模型在训练集中的AUC为0.915(95%CI,0.835~0.994),准确度、灵敏度和特异度分别为0.873、0.833和0.920;在测试集中的AUC为0.944(95%CI,0.844~1.000),准确度、灵敏度和特异度分别为0.917、0.846和1.000。结论基于增强MRI图像构建的影像组学模型对胰腺癌术前T分期具有良好的诊断效能。